Från http://drewconway.com/zia/2013/3/26/the-data-science-venn-diagram

Matstat-kurser fokuserar oftast helt på Model-steget, denna kurs har ambitionen att beröra de övriga.

Bild från: http://r4ds.had.co.nz/introduction.html

• …speciella verktyg för saker som är för stora för datorns internminne (Big Data?)…
• …verktyg för regression och prediktion (Machine learning, Deep learning, …)…
• …men kanske Data mining??

Ger grundläggande träning och förberedelse inför lektion. Inte betygsgrundande, men lektioner och handledning kommer förutsätta att de är gjorda.

• Förberedelse: Uppgifter på DataCamp inför varje lektion.
• Lektioner: Programmeringsuppgifter med handledning. Få antal “vanliga” lektioner!
• Examination:
  • 6 inlämningsuppgifter.
  • Digital tentamen.
  • Projekt.

• Sex uppgifter med deadlines följande sex söndagar.
• Löses individuellt och självständigt (begränsad handledning).
• Obligatorisk kamratgranskning + feedback från lärare.
• Missad deadline/underkänd uppgift: Omexamination sker i Feb.
• När nästa kursomgång startar nollställs alla delresultat av delmomenten.

• Obs, tentan är på distans!
• Problemlösning i RStudio. Vissa frågor kommer vara tagna från lektionsunderlag.
• Hjälpmedel: Relevanta Cheatsheets från RStudio.
• Examination i December, omtenta i Januari (TimeEdit)

• Ett inlägg i en data-blogg. Grunden till din C-uppsats?
• Belyser en frågeställning med hjälp av ett “unikt” datamaterial.
• Handledningstillfällen, nätet och på plats. Tänk tidigt på ämne!
• Kort (5 min!) muntlig presentation (TimeEdit).

• Som statistiker/aktuarie/matematiker kommer du göra många anaylser.
• Du kommer att skriva många rapporter.
• Många frestas skapa tabeller och figurer genom att klippa, klistra, klicka i och mellan Excel-ark.

• Hur behandlade du NA/“missing values”?
• Vad använde du för model för att få fram dessa resultat, med vilka parameterar?
• Snygg figur, men kan jag få en tabell istället?
• Nästa år får en kollega (eller du själv) samma uppdrag och undrar hur du fick fram uppgifterna/datan.

Reproducibility is the ability to get the same research results or inferences, based on the raw data and computer programs provided by researchers. (Wikipedia)

• Jfr Replikerbarhet, förmågan att komma fram till samma slutsats baserat på oberoende data/analys.
• Du kan aldrig garantera att du gjort “rätt”, men du kan i alla fall dokumentera vad du gjort.
• Det kan också vara svårt att garantera att allt fungerar lika mellan OS.

• Allt skrivet i kod (inget klickande eller klippande/klistrande av resultat/tabeller/figurer)

• Portabelt (koden skall vara körbar, inte bara på din dator idag)

• Tillgängligt (andra skall enkelt kunna ta del av och reproducera din analys)

• Automatiserat från rådata till rapport (en knapptyckning skall räcka för att generera slutprodukten)

summary(mtcars$mpg)
summary(mtcars$"mpg")
summary(mtcars[, "mpg"])
summary(mtcars["mpg"])
summary(mtcars[["mpg"]])
summary(mtcars[1])
summary(mtcars[, 1])
summary(mtcars[[1]])
with(mtcars, summary(mpg))
attach(mtcars); summary(mpg)
summary(subset(mtcars, select=mpg))

Från http://r4stats.com/articles/why-r-is-hard-to-learn/

En serie R-paket från RStudio. Design filosofi: Snabba, konsistenta, ändamålsenliga funktioner. Fokus i denna kurs.

Vi behöver automatiskt kombinera text, resultat, tabeller och figurer.

Bild från https://rosannavanhespenresearch.files.wordpress.com/

Ett märkspråk (markup language) för typsättning.

http://writeme.mattstow.com/

En utveckling av Markdown som inkluderar körbar kod.

• En viktig aspekt för att göra kod tillgänglig är att göra den läsbar

• I den här kursen kommer vi att använda The tidyverse style guide av Hadley Wickham

• styler-paketet har ett bekvämt Rstudio-Addin som hjälper dig transformera din kod enligt stilguiden

• Ett web-hotell för delning av filer, främst programkod
• Bygger på versionshanteringsprogrammet Git med avancerad funktionalitet för att underlätta samarbete
• https://github.com/Microsoft/malmo
• https://github.com/tidyverse/dplyr

Ger även .Rproj för ökad portabilitet.

• Allt skrivet i kod: R

• Portabelt: .Rproj (RStudio)

• Tillgängligt: GitHub

• Automatiserat: R Markdown

2020-11-29: Benjamin Allévius - Senior Data scientist

• Största delen av kursen är arbete på egen hand, allting finns på nätet. Därför drar vi ned på timmar du behöver vara på plats/tillgänglig.
• Du bestämmer tempot, alla 6 inlämningsuppgifter finns online.
• Distans innebär att vi kör föreläsning/handledning forum och/eller zoom.